نوع مقاله : مقاله پژوهشی
نویسندگان
1 دانشیار دانشکده هنر، دانشگاه تربیت مدرس، تهران، ایران
2 کارشناسی ارشد، برنامه ریزی شهری، دانشگاه بین المللی امام رضا، مشهد، ایران
3 استادیار اقتصاد، دانشکده اقتصاد، دانشگاه خوارزمی، تهران، ایران
چکیده
کلیدواژهها
موضوعات
عنوان مقاله [English]
نویسندگان [English]
The price of commercial properties is significant for their owners, real estate investors, and banks as it can represent the return on their investments. On the other hand, the increase in real estate prices has many welfare, economic, and social effects, and for this reason, it has always been the focus of policymakers and planners. The analysis of the price of commercial properties is a complex issue because they are multifaceted goods and many environmental, physical, and economic variables affect their price. By putting together a hedonic model of influencing environmental and physical variables and a series of financial variables, this paper tries to conduct a comprehensive investigation of the factors that influence the price of commercial properties. For this purpose, the Samen area of Mashhad city was chosen as the case study. This area has a significant price difference from other areas of Mashhad due to its structural, religious, and cultural characteristics, and within this area, there is a large difference in quality and price between commercial properties. In this regard, a random sample of 161 commercial properties in the Samen area of Mashhad was selected and using the ordinary least squares (OLS) regression model, the effect of each of the different environmental, physical and economic factors on the price of these properties was investigated in the year 1402. The obtained results show that the property rent, the type of property deed, the distance to the Holy Shrine, the distance to public parking and the floor of the property in shopping centers are among the most important variables affecting the price of commercial properties.
کلیدواژهها [English]
با افزایش جمعیت در کنار مهاجرت از روستا به شهر در دهههای پیش و توسعۀ جوامع شهری، قیمت املاک شامل مسکونی و تجاری در سالهای گذشته جهشهای قیمتی زیادی را تجربه کرده است. بر اساس گزارش 1400 بودجۀ خانوار مرکز آمار، هزینۀ مسکن حدود 37 درصد از کل هزینۀ خانوار در مناطق شهری را تشکیل میدهد که طبیعتاً بر نرخ ازدواج و باروری تأثیری منفی و معنادار خواهد داشت (Gholipour & Farzanegan, 2015). روند صعودی قیمت مسکن در سالهای اخیر باعث کاهش تقاضا شده است؛ بهگونهای که تعداد پروانههای ساختمانی صادرشده در مناطق شهری که در سال 1390 برابر 197 هزار و 105 فقره بوده است، در دهۀ گذشته در برخی از سالها تا 50 درصد کاهش یافته است (منجذب و همکاران، 1401). اگرچه مطالعات مختلف در حوزههای مختلف تغییرات و تحولات قیمت املاک را بررسی کردهاند، با توجه به جهشهای قیمتی سالهای اخیر و شرایط اقتصاد تحریمی کشور، به نظر میرسد شناخت عوامل مؤثر بر قیمت و وجود یک مدل پیشبینی و توضیح قیمت املاک همچنان ضروری است و میتواند خلأ اطلاعاتی موجود در این حوزه را بیش از پیش پر و به سیاستگذاران و برنامهریزان شهری در طرحریزی برنامههای رفاهی و توسعهای کمک کند. این موضوع حتی برای افرادی که به املاک و مسکن نگاه سرمایهگذاری دارند نیز مفید است و میتواند به بهبود اطلاعات و در نتیجه، کارایی این بازار دارایی منجر شود.
مطالعۀ متغیرهای تأثیرگذار بر قیمت مستغلات و پیشبینی و توضیح آنها در شهر مشهد از ضرورت و اهمیت دوچندان برخوردار است. طبق گزارش مرکز آمار ایران برای سال 1402، شهر مشهد با جمعیتی حدود 3 میلیون و 71 هزار نفر و 934 هزار خانوار دومین کلانشهر بزرگ ایران است. مشهد همچنین به دلیل ویژگیهای ساختاری، مذهبی، فرهنگی و کالبدی، بسیار از سایر کلانشهرهای ایران متفاوت است. این شهر سالانه میزبان تعدادی زیاد از زائران و گردشگران داخلی و خارجی است که به اقتصاد این شهر رونق میبخشند و از سوی دیگر و به طور همزمان، با معضل بزرگ حاشیهنشینی و فقر مواجه است. حاشیۀ شهر مشهد که دارای 42 محله است که 33 درصد از جمعیت و 22 از درصد وسعت شهر را شامل میشوند، یکی از بحرانیترین چالشهای این شهر محسوب میشود (حسینزاده یزدی و یعقوبی، 1399). اوج این اختلافات و تناقضات در منطقۀ ثامن مشهد نمایان است. این منطقه به دلیل قرارگیری حرم مطهر، مرکز اصلی گردشگری شهر مشهد است و املاک تجاری این منطقه بسته به نزدیکی به حرم مطهر از رونق خرید و فروش زیادی برخوردار هستند و در عین حال، منطقۀ ثامن از جملۀ مناطق کمتربرخوردار شهری محسوب میشود و بافتی فرسوده دارد. در واقع، اختلاف کیفی و قیمتی املاک تجاری در منطقۀ ثامن شهر مشهد یکی از مشخصههای اصلی این منطقه است (همان). در سالهای اخیر نیز افزایش شدید جمعیت و جهشهای قیمتی در املاک تجاری در کل ایران، شهر مشهد و به ویژه منطقۀ ثامن موجب شده است تا ساختار فضایی این منطقه بهشدت تغییر کند (بزرگی، 1396)؛ بنابراین، بررسی این موضوع و سیاستگذاری و برنامهریزی شهری در این باره بیش از پیش ضروری و مهم است.
همین امر باعث شد تا این مقاله بررسی و توضیح تأثیر عوامل مختلف در سطح خرد بر قیمت املاک تجاری در منطقۀ ثامن شهر مشهد را مورد توجه قرار دهد. مطالعات این حوزه به طور سنتی بر مطالعۀ مسکن با استفاده از مدلهای هدانیک[i] تمرکز داشتهاند که به بررسی مشخصههای فیزیکی و محیطی محدود میشده است. این مقاله ضمن دربرگیری یک بازۀ وسیعتر زمانی که تغییرات مختلف از جمله تحریمها، تورمهای زیاد حدود 40 و 50درصدی و جهشهای قیمتی شدید مسکن و مستغلات را پوشش میدهد، از دو نظر با مطالعات قبلی متفاوت است. نخست اینکه قیمت املاک تجاری را بررسی میکند که در ادبیات موضوع به ویژه در داخل ایران کمتر به آن توجه شده است. قیمت مسکن را میتوان با استفاده از مدلهای هدانیک و مشخصههای فیزیکی بهخوبی توضیح داد؛ اما املاک تجاری کالایی چندوجهی است که متغیرهای زیادی از جنبههای محیطی و اقتصادی نیز بر قیمت آن تأثیر میگذارند؛ به این ترتیب، نوآوری دوم مقاله از این نظر است که تلاش شده است تا با بهکارگیری یک سری از متغیرهای تأثیرگذار اقتصادی در کنار یک مدل هدانیک قیمت که مشخصههای فیزیکی و محیطی املاک را در نظر میگیرد، طیفی جامعتر از متغیرهای تأثیرگذار بررسی شود. در واقع، هدف اصلی این مقاله بررسی تأثیر متغیرهای فیزیکی، محیطی و اقتصادی بر قیمت املاک تجاری منطقۀ ثامن شهر مشهد است. برای این منظور، یک نمونۀ تصادفی از 161 ملک تجاری در منطقۀ ثامن انتخاب و با استفاده از روش رگرسیون حداقل مربعات معمولی (OLS)[ii]، تأثیر این عوامل مختلف بر قیمت املاک تجاری بررسی شد.
ساختار مقاله به این صورت است که ابتدا و در بخش دوم، مبانی نظری و پیشینۀ پژوهش مرور میشوند. در بخش سوم، ابتدا منطقۀ ثامن مشهد به عنوان مطالعۀ موردی بررسی میشود. در همین بخش سوم، متغیرهای پژوهش، روش جمعآوری دادهها و یک سری از آمار توصیفی ارائه خواهند شد که درکی بهتر از موضوع و روش پژوهش را فراهم میکنند. در بخش چهارم، یافتههای پژوهش بیان خواهند شد و در پایان، بخش پنجم به جمعبندی و نتیجهگیری اختصاص دارد.
املاک تجاری به منظور تأسیس و مدیریت کسبوکارها و فعالیتهای تجاری اساسی استفاده میشوند و نقش مهمی در اقتصاد و توسعۀ شهرها، مناطق صنعتی و تجاری دارند (توسلیزاده، 1396). در بررسی عوامل مؤثر بر قیمت املاک تجاری، ابتدا بهتر است تعریفی از املاک تجاری را ارائه دهیم. به طور کلی، املاک تجاری املاکی هستند که به منظور انجام فعالیتهای تجاری، حرفهای یا کسبوکاری احداث یا تأسیس شدهاند (بزرگی، 1396). به عبارت دیگر، این املاک به طور اصولی به عنوان واحدهای تجاری طبق قوانین تجارت اداره میشوند و فعالیتهای تجاری یا صنفی در آنها اجرا میشوند. به طور کلی، عوامل مؤثر بر قیمتگذاری املاک تجاری را میتوان به دو دسته تقسیم کرد. نخست، عوامل بنیادی که توسط نیروهای عرضه و تقاضای بازار شکل میگیرند. دستۀ دوم عوامل غیربنیادی هستند که به عملکرد اقتصادی ملکی مرتبط نمیشوند (منجذب و همکاران، 1401). عوامل بنیادی مؤثر بر قیمتگذاری املاک تجاری مقیاسهایی متفاوت از سطح کلان (سیاستهای پولی و نرخ بازدهی سپردههای بانکی و ...) تا خرد (تراکم جمعیتی منطقه و ...) را شامل میشوند. در یک دستهبندی دیگر، عوامل تأثیرگذار بر قیمت املاک تجاری را میتوان به سه دسته تقسیم کرد:
1) عوامل کالبدی - فیزیکی: مشخصههای فیزیکی مانند مساحت زیربنا، قدمت یا سن بنا، تعداد بر ملک، نوع ساخت و مصالح بهکاررفته در نوع پوشش، نوع نما و کف و ...، استقرار در مراکز خرید یا طبقۀ استقرار، داشتن انباری و سایر امکانات رفاهی همچون متغیرهایی مانند آب، گاز، تلفن، حمام و ...
2) متغیرهای دسترسی و عوامل محیطی: مشخصههای محیطی مانند نزدیکی به مرکز شهر، نزدیکی به مراکز مسافربری درونشهری مانند مترو یا مسافربری بینشهری مانند ایستگاه راهآهن یا ترمینال اتوبوسرانی، نزدیکی به مراکز گردشگری با ترافیک زیاد مشتریان مانند فضای سبز و پارک، مراکز مذهبی یا تاریخی و ...، عرض کوچه یا خیابان، وضعیت ترافیکی کوچه یا خیابان، امنیت منطقه و ...
3) ویژگیهای اقتصادی و اجتماعی ملک: ویژگیهایی مانند اجاره یا درآمدهای ایجادی ملک، نوع سند، هزینههای ساخت و کسب پروانه و شرایط اقتصادی دیگر مانند تورم، بهرۀ بانکی و...
مطالعات مختلف قیمت املاک مسکونی و تجاری و عوامل مؤثر بر آن را بررسی کردهاند که در این قسمت، جدیدترین و مهمترین مطالعات داخلی و خارجی در این حوزه بررسی خواهند شد.
زالی و همکاران (1402) با تحلیل فضایی زمانی عوامل مؤثر بر قیمت مسکن (موردشناسی: منطقة 5 شهرداری تهران) بیان میکنند نرخ تغییرات و نوسانات ارز به عنوان یکی از عوامل اقتصادی و خارجی اثرگذاری قویتری بر مدلسازی قیمت مسکن خواهد داشت. پس از تأثیر عوامل اقتصادی و خارجی است که ویژگیهای فیزیکی مسکن از جمله مساحت واحدهای مسکونی و سن بنا در اهمیت تعیین قیمت مسکن دومین نقش را بازی میکنند. سایر عوامل نیز از جمله فاصله از گسل و دسترسی به خدمات شهری از جمله مراکز درمانی، ورزشی، آموزشی و دینی، همچنین فضای سبز و دسترسی به بزرگراهها و وسایل نقلیۀ شهری، مرکز صنعتی، فاصله از گسل و تراکم جمعیت نیز بهترتیب تأثیراتی بیشتر در مدلسازی قیمت مسکن دارند.
معصومی و همکاران (1401) مؤلفههای مؤثر بر قیمتگذاری مسکن (موردپژوهی: منطقۀ 5 شهر تهران) را بررسی کردند. برای این منظور، از اطلاعات 78 مشاور املاک در منطقۀ 5 در بازۀ زمانی 1390 تا 1400 استفاده شده است. روش تجربی استفادهشده تحلیل رگرسیون است و از مدل لگاریتمی بهره گرفته شده است. نتایج بهدستآمده از آزمونهای همبستگی نشان میدهند رابطهای مثبت بین اجزای ساختاری، دسترسی و عوامل محیطی با قیمت مسکن وجود دارد. با تحلیل ضرایب در مدل رگرسیون، مشخص شد ابتدا اجزای ساختاری، سپس دسترسی و در نهایت، عوامل محیطی بر روی قیمت مسکن تأثیرگذار هستند. این نتایج شرایطی را فراهم میکند تا الگوهای خریداران و اهمیت نسبی متغیرهای مستقل روی متغیر وابسته شناسایی شوند تا تأثیر هر متغیر بر تغییرات قیمت مسکن مشخص شود.
فیاضی و همتجو (1401) تأثیر سرمایهگذاری در طرحهای توسعه و عمران شهری بر قیمت املاک و مستغلات در شهر تهران را بررسی کردند. هدف اصلی این مطالعه بررسی تأثیر سرمایهگذاری در زیرساختها و خدمات شهری بر افزایش قیمت مسکن در مناطق 22گانۀ شهر تهران است. روش استفادهشده در پژوهش روش هدانیک و متغیرهای استفادهشده سه گروه از متغیرها هستند که بر قیمت مسکن در شهر اثر میگذارند و متغیرهای فیزیکی مسکن، متغیرهای محیطی مسکن و متغیر فضا را شامل میشوند. با توجه به وجود خودهمبستگی فضایی و نتایج آزمون موران 1، مدل هدانیک با استفاده از عامل فضا برآورد شده است. نتایج این مطالعه نشان میدهد تأثیر متغیرهای محیطی بیش از متغیرهای فیزیکی است و متغیر سهم شبکۀ معابر از کل مساحت محلات بیشترین تأثیر را بر قیمت واحدهای مسکونی در شهر تهران دارد.
مرادی و همکاران (1400) در مقالهای با استفاده از مدل قیمتگذاری هدانیک، اثر فضای سبز بر قیمت مسکن را بررسی کردهاند (مطالعۀ موردی: شهر یزد). یافتههای این پژوهش نشان میدهد روشهای ارزشگذاری، از جمله روش هدانیک، با در نظر گرفتن عوامل مؤثر بر متغیر وابسته، توانایی ایجاد ارتباط بین متغیرهایی همچون قیمت منازل مسکونی به عنوان یک کالای بازاری و ارزش تفریحی پارک را دارا هستند. همچنین، بهجز متغیرهای استفادهشده در این پژوهش، عواملی دیگر نیز در تعیین قیمت مسکن دخالت دارند. از میان این عوامل، میتوان به سیاستها و عملکردهای دولتهای ملی و محلی و ساختار کلان اقتصادی کشور اشاره کرد که به طور مداوم باعث نوسانات در قیمت مسکن میشوند. گفتنی است، روند رونق و رکود در بازار مسکن تأثیری چشمگیر بر تورم در جامعه دارد؛ زیرا در ایران، زمین و مسکن به عنوان منابع اصلی ثروت و سرمایه شناخته میشوند و معاملات مرتبط با آنها تحت تأثیر شرایط نقدی جامعه قرار میگیرند.
آخوندی و همکاران (1399) عوامل مؤثر بر قیمت مسکن در کلانشهر اصفهان را با تأکید بر عوارض محلی بررسی کردند. نتایج فرضیههای پژوهش به طور کلی از عواملی گوناگون تبعیت میکنند، از جمله (اما محدود به) قیمت هر متر مربع مسکن، درآمد سرانه، نسبت تقاضای کلی مسکن (یعنی تعداد کل خانوارها) به عرضۀ کلی مسکن (به معنای تعداد کل واحدهای مسکونی قابل سکونت)، قیمت هر متر مربع زمین، هزینۀ ساخت هر متر مربع ساختمان، تسهیلات اعطایی در حوزۀ مسکن، هزینۀ اجارۀ هر متر مربع مسکن، نرخ ارز حقیقی، قیمت هر گرم طلا و نرخ سود سپردههای بانکی که همگی تأثیراتی معنادار بر روی قیمت مسکن دارند.
رخشانی نسب و همکاران (1399) پژوهشی تحت عنوان ارزیابی و تحلیل مؤلفههای مؤثر بر افزایش بیرویۀ قیمت مسکن شهری با استفاده از مدلهای ترکیبی تصمیمگیری چندشاخصه (مطالعۀ موردی: شهر زاهدان) را انجام دادهاند. نتایج پژوهش حاکی از این موضوع است که شاخصهای فیزیکی بیشترین تأثیر را بر افزایش قیمت مسکن در شهر زاهدان داشتهاند؛ در حالی که شاخصهای محیطی کمترین تأثیر را داشتهاند. تکنیک آزمایشگاه ارزیابی و آزمون تصمیمگیری (DEMATEL)[iii] نیز نشان میدهد شاخص دسترسی بیشترین تعامل را دارد و شاخص محیطی کمترین تعامل را ایجاد میکند. از میان شاخصهای تأثیرگذار بر قیمت مسکن، شاخص اقتصادی به عنوان مؤثرترین عامل شناخته شده است. همچنین، در تکنیک تجزیهوتحلیل ارزیابی گامبهگام اوزان (SWARA)[iv]، اولویتبندی نشان میدهد عوامل اقتصادی، محیطی و اجتماعی بهترتیب در رتبههای اول تا سوم قرار دارند. در تکنیک روش بهترین – بدترین (BWM)[v] نیز اولویتبندی نشان میدهد عوامل اقتصادی در رتبۀ نخست، عوامل محیطی در رتبۀ دوم و عوامل اجتماعی در رتبل سوم قرار دارند. به طور کلی، عوامل اقتصادی از جمله سوداگری و واسطهگری چندلایه در بخش مسکن، تورم، افزایش بیرویۀ قیمت زمین، افزایش قیمت مصالح و نهادهای ساختمانی، بیشترین تأثیر را بر افزایش قیمت مسکن در شهر زاهدان داشتهاند.
شعبانپور و همکاران (1398) در پژوهشی با عنوان عوامل مؤثر بر قیمت مسکن (مطالعۀ موردی: شهر رشت)، عواملی که بر قیمت مسکن در شهر رشت تأثیر میگذارند را بررسی کردند. در این مطالعۀ موردی، روشهای پژوهش کمّی در این مطالعه به کار گرفته شدهاند که تأثیرات مختلف عوامل اقتصادی، اجتماعی، محیطی و سیاسی را بررسی کردهاند. نتایج بهدستآمده از این پژوهش نشان میدهد عواملی همچون درآمد خانوار، نرخ بهره، تورم، نرخ بیکاری، جمعیت، زیرساختها و قوانین مسکن تأثیری جالب توجه بر روی قیمت مسکن در شهر رشت دارند. علاوه بر این، نتایج نشان میدهد عوامل اجتماعی نیز نقش حیاتی در تعیین قیمت مسکن در این منطقه داشتهاند، از جمله عواملی همچون سطح آموزش، میزان اشتغال و ترتیبات عمومی.
بزرگی (1396) پس از بررسی اثرگذاری متغییرهای محیطی بر قیمت املاک (تجاری و مسکونی) با مدل هدانیک، بیان میکند موقعیت جغرافیایی املاک تأثیری جالب توجه بر ارزش آنها دارد. عوامل مثبت مانند موقعیت در محلههای با امکان دسترسی به معابر اصلی، فاصلۀ مناسب تا حاشیۀ خیابان و دسترسی آسان به مراکز حملونقل عمومی ارزش ملک را افزایش میدهند. همچنین، فرودگاه، ترمینال مسافربری برونشهری و حرم مطهر حضرت رضا (ع) نیز به عنوان نقاط مهم و تاریخی، به افزایش ارزش املاک کمک میکنند؛ با این حال، تراکم ساختمانی و وجود مراکز خرید پرتراکم ممکن است به علت کاهش ویژگی و افزایش ازدحام، تأثیر منفی بر قیمت املاک داشته باشد. در املاک مسکونی، عوامل مختلف نقش مهمی در تعیین ارزش دارند. برای مثال، فاصله تا حرم مطهر، فضاهای سبز و مناطق گردشگری ممکن است جذابیت محل را افزایش دهند و بر ارزش ملک اثرگذار باشند. همچنین، نزدیکی به مراکز خرید عمده ممکن است امکان دسترسی آسان به مراکز خرید را فراهم کند و این عامل نیز ممکن است به ارتقای ارزش مسکونی کمک کند. امنیت محله، کیفیت کالبد و بافت اجتماعی نیز عواملی هستند که در تعیین قیمت املاک مسکونی اثری مهم دارند؛ در نتیجه، موقعیت جغرافیایی و عوامل اطراف ملک به طرزی قابل ملاحظه بر ارزش املاک تجاری و مسکونی تأثیرگذار هستند و برای تخمین دقیقتر این تأثیرات، به مطالعات دقیقتر و تحلیل جامعتر نیاز است.
دانش و همکاران (1393) نگرش مالکان بافت فرسودۀ منطقۀ ثامن مشهد نسبت به شیوۀ قیمتگذاری املاک و عوامل مؤثر بر آن را در سالهای 1388 و 1389 بررسی میکنند که از جملــۀ موضوعهای بــسیار مهمــی است کــه مجریــان و مــسئولان شــهری در احیــای بافتهای فرسوده بـا آن مواجـه مـیشـوند. این پژوهش به روش پیمایـشی و توزیع پرسـشنامـه در یک نمونۀ 250مشاهدهای از مالکــان بافــت فرســودة منطقــة ثــامن انجام شده است. یافتـههـای این پژوهش نـشان مـیدهـد ٦٦/٢٦ درصد از مالکان نسبت به شـیوة قیمـت گـذاری امـلاک نگرشـی منفـی دارنـد. نتـایج حاصـل از تحلیـل رگرسـیون نشان داد مؤثرترین متغیـر بـر نگـرش مالکـان بـه شـیوة قیمـتگـذاری امـلاک، میزان اطلاعات صـحیحی اسـت کـه آنهـا دربارۀ شـیوة قیمـتگـذاری امـلاک دارنـد. علاوه بر این، متغیرهایی دیگر، مانند نگـرش مالکـان بـه طـرح نوسـازی و بهسازی و فاصـلة ملـک تا حرم نیز مؤثر بودهاند.
امامی میبدی و همکاران (1388) متغییرهای زیستمحیطی اثرگذار بر قیمت منازل مسکونی تهران را بررسی کردند. این مطالعه با استفاده از روش هدانیک، تابع قیمت مسکن و تأثیر متغیرهای زیستمحیطی مانند سرانۀ فضای سبز و میزان آلودگی هوا بر قیمت املاک مسکونی شهر تهران را بررسی کرده است. دادهها و اطلاعات آماری استفادهشده در این پژوهش به صورت مقطعی در سال 1383 مربوط به 17 منطقۀ شهری تهران بودهاند و در برآورد مدل از روش حداقل مربعات معمولی (OLS) به فرم لگاریتمی کمک گرفته شده است. بر اساس نتایج بهدستآمده از این بررسی، مشخص شد در میان متغیرهای بررسیشده، مساحت واحد مسکونی بیشترین اثر و اهمیت و در میان متغیرهای زیستمحیطی نیز، آلودگی هوا برحسب شاخص استاندارد آلودگی هوا و سرانۀ فضای سبز اثرگذاری و اهمیتی جالب توجه در رابطه با قیمت منازل داشتهاند. در میان متغیرهای فیزیکی نیز، عمر ساختمان در مقایسه با سایر متغیرها بر قیمت املاک مسکونی اثرگذاری بیشتری داشته است. در کنار این متغیرها، نزدیکی املاک به فرودگاه نیز تأثیر منفی بر قیمت املاک مسکونی داشته است.
از میان مطالعات خارجی نیز میتوان به مهمترین و جدیدترین آنها به شرح زیر اشاره کرد.
تانه و نگوین[vi] (2024) از یک مدل هدانیک برای تعیین ارزش زمینهای مسکونی شهر هو[vii] در ویتنام استفاده کردهاند. این مطالعه هدف خود را ارتقای کارایی مدلهای تعیین قیمت زمین و مدیریت این مستغلات بیان کرده و برای این منظور از اطلاعات بیش از 27 مشخصه و متغیر از بیش از 200 املاک بهره گرفته است. مدل برآوردشده برازشی حدود 78 درصد داشته است و نتایج بهدستآمده نشان از تأثیرگذاری 5 عامل اصلی دارد. عواملی مانند مساحت زمین، پهنا یا عرض مسیری که به زمین منتهی میشود، فاصلۀ زمین تا بیمارستان، قابلیت درآمدزایی زمین و اطلاعات برنامهریزی بر قیمت زمین مؤثر بودهاند. این مطالعه در نهایت به یک نقشۀ قیمتگذاری و ارزش زمینها در سطح شهر دست مییابد که ابزاری مناسب برای مشاورههای خصوصی و برنامهریزی شهری است.
والدز و چن[viii] (2024) عوامل تعیینکنندۀ قیمت مستغلات در اکوادور[ix] را بررسی و در این رابطه، عملکرد مدلهای قیمتگذاری هدانیک فضایی و غیرفضایی را مقایسه کردند. نتایج بهدستآمده نشان میدهد در مقایسه با مدلهای رگرسیون سنتی، مدلهای رگرسیون وزنی جغرافیایی یا همان مدلهای فضایی در توضیح تغییرات بازار مسکن عملکردی بهتر دارند. مدلهای فضایی همچنین میتوانند اثرات جالب توجه سرریز بین بازارها و اثرات همسایگی و مجاورت را نیز نمایش دهند؛ با وجود این، مشکل داده در این زمینه وجود دارد و این مطالعه نیز به مشکل عدم دسترسی به دادههای با پوشش زمانی و مکانی یکسان اشاره میکند. این مطالعه به عنوان نتیجۀ کلی بیان میکند در تحلیل یافتههای مدلهای فضایی باید محتاط بود؛ زیرا این مدلها بهشدت به دادههای استفادهشده وابسته هستند.
زو[x] و همکاران (2024) جنبههای فضایی تغییرات قیمتی در بازار مستغلات جهانی را مورد توجه قرار دادهاند و به صورت مشخص دو کانال ارتباطی که قیمت مستغلات ممکن است بین شهرهای مختلف دنیا سرریز کند، یعنی از طریق وجود یک بازار غالب و مسلط و دوم از طریق بازارهای همسایه را مطالعه کردهاند. در این مطالعه، 22 کشور در بازۀ زمانی 2005 تا 2019 مطالعه شدند و نتایج گویای وجود اثرات سرریز[xi] جالب توجهی است. یافتههای بهدستآمده نشان میدهد بازار مستغلات لندن بازاری پیشرو است و تغییرات قیمتی آن بهسرعت به شهرهای دیگر دنیا منتقل میشود. در کوتاهمدت، اثرات بازارهای همسایه اهمیت دارند؛ اما در بلندمدت این عوامل اقتصاد کلان هستند که نقش کلیدی دارند. نتایج بهدستآمده همچنین نشان داد اثرات سرریز بازارهای مستغلات از بازار پیشرو لندن در دوران بحران مالی 2008 بیشتر بودهاند و برعکس، اثرات بازارهای همسایه در دوران چرخههای اقتصادی رونق بیشتر مشاهده شدهاند.
خوشنود[xii] و همکاران (2023) در یک بررسی مروری، مطالعات حوزۀ قیمتگذاری هدانیک مستغلات از سال 2005 تا سال 2021 را کامل کردهاند. در این بررسی مروری از 252 مطالعه، نتایج بهدستآمده نشان میدهد از مدلهای مختلف شامل مدلهای خودرگرسیون فضایی و جغرافیایی، مدلهای تفاضل در تفاضل[xiii]، رگرسیون کوانتایل[xiv] و دیگر تکنیکهای پیشرفته استفاده شده است.
فان و یاواس[xv] (2023) روابط پویا و چرخهای بین قیمت املاک تجاری خصوصی و عمومی را در طی زمان با استفاده از تکنیک موجکها[xvi] بررسی کردهاند. دادههای تحت بررسی فصلی است و بازۀ زمانی از سالهای 1980 تا انتهای سال 2015 را در بر میگیرد. نتایج و یافتههای این مقاله نشان میدهد روند بلندمدت افزایش قیمت املاک تجاری عمومی شیب بیشتری در مقایسه با املاک تجاری خصوصی دارد. علاوه بر این، املاک تجاری عمومی هم در کوتاهمدت و هم در بلندمدت با چرخههای طولانیتر مواجه است. طول چرخههای تجاری برای املاک تجاری عمومی بین 26 تا 70 فصل (5/17 سال) برآورد شده است. به طور کلی، یافتهها نشان میدهد این بازار املاک تجاری عمومی بوده است که از سال 1990 پیشرو بوده است.
وی[xvii] و همکاران (2022) با یک بررسی مروری، 124 مطالعه را بررسی کردهاند که از مدلهای قیمتگذاری هدانیک در تحلیل و ارزیابی قیمت مستغلات در دوران کلاندادهها[xviii] استفاده کردهاند. نتایج بهدستآمده از این بررسی مروری نشان میدهد بیش از دهها منبع اطلاعاتی کلانداده وجود دارند که در این مطالعات بررسی شدهاند و مدلهای پیشپردازش دادهها، مدلسازی فضایی، تحلیل فضایی با سیستم اطلاعات جغرافیایی (GIS)[xix] و مدلهای یادگیری ماشین بیش از پیش در تحلیل هدانیک قیمت مستغلات استفاده شدهاند. این مطالعه در نهایت اگرچه به کاربرد زیاد کلاندادهها اذعان میکند، به موضوع مهم کیفیت نابرابر دادهها اشاره دارد. کیفیت نابرابر دادهها ممکن است دقت تحلیلها را کاهش داده است. از نظر این مطالعه، لازم است روشهای ترکیبی در مدلسازی هدانیک قیمتگذاری مستغلات استفاده شوند تا از نواقص یک مدل پرهیز شود.
دوان[xx] و همکاران (2021) در مقالهای عوامل تعیینکنندۀ اقتصاد کلان و هدانیک قیمت مسکن در (منطقۀ شهری پکن، چین) را بررسی کردهاند. دلیل بررسی طیفی گسترده از متغیرها و عوامل در این مطالعه چنین بیان شده است که برای ارزیابی ابعاد گوناگون مسکن به عنوان یک کالای پیچیده و چندوجهی و شناخت عواملی که بر قیمت آن تأثیر میگذارند، ضرورت دارد به ویژگیهای متعدد و متنوع واحدهای مسکونی توجه کنیم. این ویژگیها شامل جنبههای فیزیکی، محیطی و دسترسی هستند. این ویژگیها عاملی برای ایجاد تفاوتهایی در سلیقه و ترجیحات مصرفکنندگان در تقاضای مرتبط با مسکن هستند. برای اندازهگیری این ویژگیها از روشهای متعدد استفاده میشود و مناسب است از روشهای غیرمستقیم بهرهبرداری شود.
زکریا و فاطین[xxi] (2021) نیز در مقالۀ خود قیمت املاک و مستغلات در مراکش را بررسی و از یک مدل هدانیک یا کنترل اثرات فضایی برای این منظور استفاده کردهاند. نتایج بهدستآمده از بررسی در سه شهر مهم در مراکش نشان میدهد متراژ و موقعیت ملک تأثیری مهم بر قیمت املاک دارند.
لئو و وو[xxii] (2020) در مقاله ای با عنوان پیشبینی قیمت مسکن در چین بر اساس الگوریتم بهینهسازی نهنگ، قیمت مسکن در چین را بررسی و از الگوریتم بهینهسازی نهنگ برای این منظور استفاده کردهاند. الگوریتم بهینهسازی نهنگ یک الگوریتم محاسباتی است که بر مبنای الهام از رفتار گروهی نهنگهای دریایی ایجاد شده است. این الگوریتم به صورت تصادفی عمل میکند و در جستوجوی بهینهترین راهحل برای مشکل مدنظر استفاده میشود. در این مقاله، لئو و وو ابتدا دادههای مربوط به قیمت مسکن در چین را جمعآوری کردهاند. سپس، از الگوریتم بهینهسازی نهنگ برای تحلیل این دادهها و پیشبینی قیمت مسکن در آینده استفاده کردهاند. نتیجۀ مطالعه چنین بیان شده است که استفاده از الگوریتم بهینهسازی نهنگ به عنوان روش پیشبینی قیمت مسکن ممکن است به دقت زیاد و نتایج قابل قبول منجر شود و به همین دلیل، میتوان از آن به عنوان یک ابزار قدرتمند در تحلیل و پیشبینی قیمتهای بازار مسکن استفاده کرد.
زیائو[xxiii] و همکاران (2019) در پژوهشی تأثیر دو متغیر مساحت زیربنا و مجاورت چشمانداز بر قیمت مسکن در چین را مطالعه کردهاند. برای این منظور، نویسندگان از روش هدانیک استفاده کردهاند که یک روش رگرسیونی است که با استفاده از متغیرهای مختلف، میزان تأثیر هر متغیر را بر قیمت مسکن تخمین میزند. در این مقاله، دادههای مربوط به مساحت زیربنا و مجاورت چشمانداز جمعآوری شدهاند. سپس، با استفاده از روش هدانیک، رابطۀ بین این دو متغیر و قیمت مسکن بررسی شده است. نتایج تحلیل نشان میدهد هر دو مساحت زیربنا و مجاورت چشمانداز تأثیری جالب توجه بر قیمت مسکن در چین دارند.
بلکه و کیل[xxiv] (2018) در مقالهای عوامل تعیینکنندۀ قیمت املاک در بیش از 100 منطقۀ مختلف آلمان را بررسی میکنند. این مقاله با استفاده از یک سری دادۀ پانل برای سالهای 1990 تا 2010، نشان میدهد عوامل مختلف سمت عرضه و تقاضا بر قیمت املاک مؤثر هستند. به طور مشخص، این مقاله نشان میدهد از سمت عرضه عواملی مختلف از جمله فعالیت ساختوساز یا تعداد پروانۀ ساخت صادرشده و حجم مبادلات مؤثر هستند و از سمت تقاضا عواملی مختلف مانند اندازۀ بازار یا جمعیت منطقه، هرم سنی جمعیت منطقه و زیرساختهای منطقه مهم هستند. علاوه بر عوامل بالا، میزان درآمد سرانۀ منطقه، نرخ بهرۀ تسهیلات و قیمت اجارۀ املاک نیز تأثیرگذار بودهاند.
اوزالپ و آکینچی[xxv] (2017) عوامل تعیینکنندۀ قیمت املاک مسکونی را با یک مدل هدانیک بررسی کردهاند. برای بررسی این موضوع، در این مقاله استان آرتوین[xxvi] در ترکیه انتخاب شد و 18 عامل فیزیکی، دسترسی، محیطی و ... در مدلهای مختلف لگاریتمی و شبهلگاریتمی بررسی شدند. نتایج بهدستآمده نشان میدهد متراژ، سن بنا، نزدیکی به مدرسه و نزدیکی به مرکز شهر مهمترین متغیرهای تأثیرگذار بر قیمت ملک بودهاند. در مجموع، این مقاله نتیجه میگیرد به نظر عوامل فیزیکی اهمیتی بیشتر نسبت به عوامل محیطی و دسترسی در تعیین قیمت املاک دارند.
لیگوس و پترنک[xxvii] (2016) تأثیر عوامل ساختاری، مکانی و محیطی بر بازار ملک در شهر وروتسواف[xxviii] در لهستان را با استفاده از روش هدانیک بررسی کردهاند. در این مقاله، تحلیل هدانیک به منظور تعیین تأثیر عوامل مختلف بر قیمت املاک تجاری در شهر وروتسواف انجام شده است. عواملی که در این مقاله بررسی شدهاند شامل ویژگیهای ساختاری ملک مانند مساحت، تعداد اتاقها و سال ساخت، عوامل مکانی مانند فاصله تا مراکز شهری، امکانات عمومی و مراکز خرید و همچنین، عوامل محیطی مانند کیفیت هوا و سطح نوفه هستند. نتایج تحلیل هدانیک نشان میدهد هر یک از این عوامل تأثیری مستقل بر قیمت املاک تجاری در وروتسلاو دارد. برای مثال، املاکی با مساحت بزرگتر، تعداد اتاقهای بیشتر و سال ساخت جدیدتر دارای قیمتهای بیشتر هستند. همچنین، املاکی که در نزدیکی مراکز شهری و امکانات عمومی قرار دارند، معمولاً به قیمتهای بیشتر دست پیدا میکنند. علاوه بر این، کیفیت هوا و سطح نوفه نیز تأثیری چشمگیر بر قیمتگذاری املاک تجاری در وروتسواف دارند.
رابینسون و ریچرت[xxix] (2015) در بررسی قیمت املاک تجاری و عوامل مؤثر بر آن، از دو مدل هدانیک و مدل مچینگ[xxx] استفاده میکنند و نشان میدهند مدل هدانیک از قابلیت بیشتر برای قیمتگذاری املاک برخوردار است. در این مطالعه، از مجموعۀ دادۀ CoStar[xxxi] ایالات متحده استفاده شده است که اطلاعات بیش از 8/2 میلیون واحد تجاری را شامل میشود. نتایج بهدستآمده نشان میدهد موقعیت قرارگیری، مشخصههای فیزیکی و جزئیات قرارداد اجارۀ ملک بر قیمت مؤثر بودهاند و تفاوتی معنادار از این لحاظ در میان ایالتهای مختلف وجود ندارد.
فاروق[xxxii] و همکاران (2010) در یک مدل هدانیک، تأثیر عوامل مختلف بر اجارۀ یک واحد تجاری - اداری را بررسی کردهاند. با انتخاب شهر تورنتو[xxxiii] به عنوان مطالعۀ موردی، این مقاله عوامل مختلف از دسترسی، کیفیت و مشخصههای فیزیکی ملک، موقعیت قرارگیری و شرایط بازار را بررسی کرده است و در این راستا، اثرات فضایی نیز کنترل شدهاند. نتایج بهدستآمده نشان میدهد دسترسی به زیرساختهای حملونقل، نزدیکی به مرکز اصلی تجاری شهر و نرخ خالی بودن املاک[xxxiv] بسیار در تعیین اجارهبها مؤثر بودهاند.
بررسی این مطالعات بهخوبی نشان میدهد مدلهای هدانیک قیمت همچنان مورد اقبال و توجه پژوهشگران حوزۀ مسکن و مستغلات هستند؛ اما تکنیکهای برآورد مختلفی استفاده شدهاند که تا حدی زیاد به دسترسی به اطلاعات و اهداف پژوهش بستگی داشتهاند. در ایران، بیشتر مطالعات مسکن را بررسی کردهاند؛ در حالی که مطالعات مرتبط با حوزۀ املاک تجاری همچنان کمتر مورد توجه قرار گرفتهاند؛ به این ترتیب، در حوزۀ قیمتگذاری املاک تجاری هنوز شکاف پژوهشی وجود دارد. این شکاف پژوهشی زمانی پررنگتر میشود که مشاهده میشود در مدلهای هدانیک بیشتر مشخصههای فیزیکی و محیطی بررسی شدهاند و از مشخصههای اقتصادی که احتمالاً بر قیمت املاک تجاری اثرگذاری بیشتری دارند، غفلت شده است. این مقاله سعی دارد تا در یک مدل هدانیک از کنار هم قرار دادن مشخصههای فیزیکی، محیطی و اقتصادی، قیمت املاک تجاری در منطقۀ ثامن مشهد را بررسی کند.
در این قسمت از مقاله، ابتدا مطالعۀ موردی، یعنی منطقۀ ثامن مشهد و نمونۀ مشاهدات تحت مطالعه بررسی خواهند شد. سپس، متغیرهای پژوهش به همراه یک سری از آمار توصیفی و در نهایت، مدل تجربی پژوهش ارائه خواهند شد.
شهر مشهد مرکز استان خراسان رضوی با 328 کیلومتر مربع مساحت، در شمال شرق ایران واقع است. این شهر در سدۀ گذشته از رشد جمعیت زیادی برخوردار بوده است؛ بهگونهای که در سرشماری سال 1355 پس از تهران دومین شهر پرجمعیت ایران بوده و تا آخرین سرشماری در سال 1395 همین جایگاه را حفظ کرده است. بر اساس سرشماری عمومی نفوس و مسکن سال 1395، جمعیت شهر مشهد بالغ بر 3،001،184 نفر بوده است. این شهر شامل 13 منطقه است که از میان آنها، منطقۀ ثامن با 12،085 نفر کمترین جمعیت را دارد. در عین جمعیت کم، منطقۀ ثامن از نظر اقتصادی اهمیت زیادی دارد و از لحاظ قرارگیری حرم مطهر در این منطقه، قطب زیارتی و تجاری شهر به حساب میآید. محدودۀ جغرافیایی این منطقه از شمال به راهآهن تا میدان شهید گمنام، از جنوب به بولوار وحدت، خیابان 17 شهریور تا میدان 17 شهریور، از شرق به میدان 17 شهریور، بازار رضا، میدان بیتالمقدس تا چهارراه خسروی و از غرب به چهارراه شهدا و راهآهن را در بر میگیرد که در شکل (1) نشان داده شده است. مساحت کاربری تجاری در کل منطقۀ ثامن 216137 متر مربع است که 6 درصد از کل مساحت بافت را در بر میگیرد و سرانۀ آن برای جمعیت ساکن 13/4 متر مربع بهازای هر نفر است. به دلیل وجود پتانسیل زیاد گردشگری مذهبی، روز به روز بر جمعیت ساکن و متحرک این منطقه افزوده شده است. جدول زیر خلاصهای از اطلاعات و شکل زیر نیز نقشۀ این منطقه را نمایش میدهند.
شکل 1- تصویر نقشۀ منطقۀ ثامن مشهد (منبع: سامانۀ زیرساخت دادههای مکانی)
نمونۀ آماری تحت بررسی شامل دادهها و اطلاعات 161 قطعۀ تجاری در این منطقه است که آگهی فروش آنها توسط کارشناسان املاک در این منطقه و در مقطع زمانی تابستان 1402 ثبت شده است. اطلاعات این آگهیهای فروش از تعداد 34 کارشناس املاک جمعآوری شده است که از مجموع 75 کارشناس املاک[xxxv] این منطقه به صورت نمونهگیری تصادفی ساده انتخاب شدهاند. به منظور تکمیل یک سری از اطلاعات املاک همچنین از نرمافزار GIS و اطلاعات بهدستآمده از شهرداری منطقۀ ثامن شهر مشهد نیز استفاده شده است. نرمافزار GIS با کمک اطلاعات سنجش از راه دور، توسعۀ دقیق و سازگار متغیرها مانند فاصلۀ دسترسی به فضای سبز عمومی با یک شیوۀ سریع و کارآمد را ممکن میکند و پس از آن، ممکن است برای اندازهگیریهای ویژگیهای محیطی و افزایش درک متغیرهای قیمت مسکن مفید واقع شود.
در این قسمت از پژوهش، ابتدا متغیرهای پژوهش معرفی خواهند شد. متغیرهای تحت بررسی عموماً از دستۀ مشخصههای فیزیکی و محیطی (دسترسی به مراکز اصلی) هستند که در ادبیات موضوع و مدلهای هدانیک بررسی میشوند. علاوه بر این، برخی دیگر از متغیرها و مشخصههای اقتصادی مانند اجاره، عوارض شهرداری و نوع سند نیز بر اساس شهود ساده به مدل اضافه شدهاند. ارتباط منطقی سادۀ این مشخصهها با قیمت ملک در معرفی هر یک از متغیرها توضیح داده شده و کشف تأثیرگذاری آنها به برآوردهای آماری سپرده شده است. پس از معرفی متغیرها، اطلاعات و دادههای جمعآوریشده به صورت آمار توصیفی تحلیل خواهند شد.
شکل 2- رابطۀ قیمت و اجارهبهای سالانۀ املاک تجاری (منبع: یافتههای پژوهش)
در این رابطه، B ضریب تعدیل برای هر قطاع در منطقۀ ثامن است و بر اساس محاسبات کارشناسان شهرداری، بهترتیب برای قطاع 1 عدد 977، برای قطاع 2 ضریب 857، برای قطاع 3 عدد 713 و برای قطاع 4 ضریب 625 در محاسبات لحاظ میشود. سنجه یا پارامتر P ضریب ارزش معاملاتی است که برای سال 1402 برابر 16 درصد تعیین شده است. ضریب F مکان استقرار را در نظر میگیرد یا به عبارتی، ضریب طبقات است؛ به این ترتیب که برای واحدهای زیرزمین ضریب 8/0، همکف ضریب 1، طبقۀ اول ضریب 85/0 و طبقات بالاتر ضریب 7/0 لحاظ میشود. عدد نیز برای همۀ واحدها برابر 1 در نظر گرفته شده است.
عوارض پروانۀ شهرداری طبق این فرمول محاسبه شده است که کمترین میزان عوارض در نمونۀ تحت بررسی برابر 14، بیشترین 27/31 و میانگین عوارض پروانۀ شهرداری در میان املاک تجاری بررسیشده 28/21 بوده است. نمودار شکل (3) رابطۀ قیمت املاک تجاری برای هر متر مربع را با هزینۀ عوارض پروانه شهرداری نمایش میدهد. ضریب همبستگی حدوداً 85/0 نشان میدهد هر یک واحد افزایش در هزینۀ عوارض 85/0 میلیون تومان یا به عبارتی، 850 هزار تومان قیمت ملک را برای هر متر مربع افزایش میدهد.
شکل 3- رابطۀ قیمت هر متر مربع و عوارض پروانۀ شهرداری (منبع: یافتههای پژوهش)
آمار توصیفی از متغیرهای پژوهش در جدول (1) ارائه شده است. در این جدول، نوع و واحد متغیر و مقادیر بیانگر توزیع آماری دادهها نمایش داده شده است.
جدول 1- آمار توصیفی متغیرهای پژوهش
|
عنوان متغیر |
نوع |
واحد |
مینیمم |
ماکسیمم |
میانگین |
انحراف معیار |
||
|
متغیر وابسته |
قیمت (Price) |
پیوسته |
میلیون تومان/ متر مربع |
33/27 |
2200 |
36/345 |
24/436 |
|
|
متغیرهای اقتصادی |
اجاره (Rent) |
پیوسته |
میلیون تومان/ متر مربع |
32/1 |
75 |
66/12 |
63/15 |
|
|
عوارض پروانۀ شهرداری (Fee) |
پیوسته |
|
14 |
264/31 |
27/21 |
86/4 |
||
|
نوع سند (Deed) |
آستانه |
مجازی |
0 و 1 |
0 |
1 |
231/0 |
423/0 |
|
|
سرقفلی |
مجازی |
0 و 1 |
0 |
1 |
461/0 |
501/0 |
||
|
مشخصههای فیزیکی |
متراژ (Area) |
پیوسته |
متر مربع |
3 |
100 |
/73/18 |
56/13 |
|
|
سن بنا (Age) |
پیوسته |
سال |
1 |
40 |
13/15 |
19/13 |
||
|
بر ملک (Side) |
مجازی |
0 و 1 |
0 |
1 |
077/0 |
268/0 |
||
|
مشخصههای محیطی و دسترسی |
موقعیت ملک |
کوچه (Alley) |
مجازی |
0 و 1 |
0 |
1 |
279/0 |
451/0 |
|
محل استقرار ملک |
پاساژ/مرکز خرید (Mall) |
مجازی |
0 و 1 |
0 |
1 |
701/0 |
46/0 |
|
|
طبقۀ استقرار (Floor) |
زیرزمین |
مجازی |
0 و 1 |
0 |
1 |
182/0 |
388/0 |
|
|
طبقۀ اول |
مجازی |
0 و 1 |
0 |
1 |
154/0 |
362/0 |
||
|
بالاتر |
مجازی |
0 و 1 |
0 |
1 |
106/0 |
309/0 |
||
|
فاصله تا پارکینگ (Parking) |
پیوسته |
متر |
0 |
3250 |
5/255 |
66/392 |
||
|
فاصله تا ایستگاه مترو (Subway) |
پیوسته |
متر |
110 |
2700 |
85/874 |
11/433 |
||
|
فاصله تا راهآهن (Train) |
پیوسته |
متر |
1100 |
4100 |
3200 |
98/874 |
||
|
فاصله تا حرم مطهر (Shrine) |
پیوسته |
متر |
100 |
2100 |
78/1142 |
95/530 |
||
|
موقعیت در تقسیمات منطقهای (Region) |
قطاع 2 |
مجازی |
0 و 1 |
0 |
1 |
07/0 |
26/0 |
|
|
قطاع 3 |
مجازی |
0 و 1 |
0 |
1 |
24/0 |
42/0 |
||
|
قطاع 4 |
مجازی |
0 و 1 |
0 |
1 |
53/0 |
50/0 |
||
(منبع: یافتههای پژوهش)
در این مقاله، تحلیل رابطه بین قیمت املاک تجاری و انواع مختلف متغیرهای اقتصادی،و مشخصههای فیزیکی و محیطی و دسترسی ملک که در رابطۀ (2) نشان داده شدهاند، با استفاده از رگرسیون حداقل مربعات معمولی (OLS) انجام خواهد شد. رگرسیون حداقل مربعات معمولی (OLS) یکی از انواع رگرسیونهای خطی[xxxvi] است که در آن، پارامتر β0 ضریب ثابت یا عرض از مبدأ و β پارامتر شیب یا ضریب تأثیر سایر متغیرهای مستقل است. طبیعتاً، نمیتوان متغیر وابسته یعنی قیمت را به طور دقیق توضیح داد و پارامتر ɛ جزء خطای تصادفی نامیده میشود. روش رگرسیون (OLS) از آن نظر حداقل مربعات نامیده میشود که ضرایب را با مینیمم کردن مجموع مربعات خطا (SSE)[xxxvii] محاسبه میکند. روش رگرسیون حداقل مربعات معمولی بسیار ساده و در عین حال، بسیار دقیق است و به همین دلیل، بسیار کاربردی است.
به منظور برآورد به طور معمول برای متغیرهای پولی از لگاریتم استفاده میشود و ضرایب بهدستآمده به این ترتیب تفسیر درصدی دارند. پیش از برآورد مدل، باید فروض خطی کلاسیک آزمون شوند و از برقراری این شروط مطمئن شد؛ زیرا فقط در صورت برقراری این فروض است که برآوردهای حداقل مربعات معمولی (OLS) بهترین برآوردگرهای بدون تورش خطی (BLUE)[xxxviii] یا در اصطلاح هستند. یکی از فروض خطی کلاسیک فرض واریانس همسانی است که نقض این فرض به برآوردهای ناکارا و عدم اعتبار آزمونها منجر خواهد شد. جدول (2) نتیجۀ آزمون واریانس ناهمسانی بروش-پاگان[xxxix] را نمایش میدهد. همانطور که از مقدار p-value برابر 39/0 میتوان دریافت، فرض واریانس همسانی را نمیتوان رد کرد و مدل از این لحاظ مناسب است. یکی دیگر از فروض خطی کلاسیک فرض عدم وجود خودهمبستگی مقادیر خطاست که نقض آن مجدداً مشابه واریانس ناهمسانی به برآوردهای ناکارا و عدم اعتبار آزمونها منجر میشود. طبق نتایج جدول (2)، این فرض با دو آزمون دوربین-واتسون[xl] و بروش-گادفری[xli] انجام شده است. نتایج هر دو آزمون بهخوبی نشان میدهد فرض عدم وجود خودهمبستگی برقرار و نتایج معتبر است. بر این اساس، مدل تجربی نمایش دادهشده در رابطۀ (2) با استفاده از نرمافزار SPSS v.26 برآورد شد که نتایج آن در قسمت بعدی مقاله بررسی میشود.
جدول 2- نتایج آزمون پیش فرضهای رگرسیون
|
آزمون |
آمارۀ آزمون |
p-value |
نتیجه |
|
واریانس ناهمسانی (بروش-پاگان) |
Chi2=21.2 |
39/0 |
واریانس همسانی |
|
خودهمبستگی (دوربین-واتسون) |
DW=1.88 |
|
عدم وجود خودهمبستگی |
|
خودهمبستگی (بروش-گادفری) |
Chi2=0.47 |
49/0 |
عدم وجود خودهمبستگی |
(منبع: یافتههای پژوهش)
یکی دیگر از نکات مهم قبل از برآورد بررسی وجود همخطی است. یکی از شاخصهای مهم که ممکن است نشانگر وجود همخطی باشد شاخص تورم واریانس (VIF)[xlii] است. به طور معمول، یک شاخص تورم بیشتر از 10 میتواند نشانهای از همخطی باشد، اگرچه به حجم نمونه نیز بستگی دارد. مقدار شاخص تورم واریانس برای همۀ متغیرهای مستقل بررسی شد که برای بیشتر متغیرها این شاخص کمتر از 5 است (میانگین 9/2) و فقط برای دو متغیر عوارض شهرداری و قطاع 4 است که این شاخص بیشتر و بهترتیب برابر 27/6 و 07/8 است، اگرچه همچنان زیر این آستانه قرار دارند و بنابراین، در مدل مشکل همخطی شدید وجود ندارد. یکی دیگر از علائم و نشانههای وجود همخطی عدم معناداری تکی متغیرها در آزمون t و معناداری مشترک آنها در آزمون F است که به این مهم در زیربخش بعدی اشاره خواهد شد.
یافتههای پژوهش در جدول (3) نمایش داده شده است. متغیر وابسته لگاریتم قیمت هر متر مربع از املاک تجاری است. برآورد به صورت لگاریتمی از آن نظر ضرورت دارد که دادهها را نرمال میکند و به ما امکان میدهد نتایج را به صورت درصدی تفسیر کنیم. در جدول (3)، علاوه بر ضریب تأثیر یا شیب رگرسیون، ضریب استانداردشده، آمارۀ t و مقدار سطح معناداری ضرایب یا p-value گزارش شدهاند. در آمار استنباطی، سطح معناداری یا p-value احتمال پذیرش فرض H0 (بیتأثیر بودن متغیر) است و بر این اساس، متغیرهایی که مقدار این احتمال یا p-value آنها کوچکتر از 1/0 باشد را در اصطلاح تأثیرگذار میدانیم. به عبارت دیگر، میگوییم متغیر در سطح معناداری 10 درصد بر قیمت املاک تجاری اثرگذار است. تأثیرگذاری متغیرها در ستون آخر جدول مشخص شده است. در سطر آخر جدول نیز شاخصهای خوبی برازش رگرسیون نمایش داده شدهاند. مقدار شاخص R2 که حدود 894/0 به دست آمده است بیانگر آن است که مدل رگرسیون برآوردشده توانسته است با موفقیت حدود 4/89 درصد، تغییرات در قیمت املاک تجاری را توضیح دهد که عددی زیاد و نشاندهندۀ خوبی برازش و نتایج بهدستآمده است.
جدول 3- نتایج برآورد رگرسیون از تأثیر متغیرهای مختلف بر قیمت املاک
|
عنوان متغیر |
ضریب |
ضریب استاندارد |
آمارۀ t |
P-value |
تأثیر |
||
|
لگاریتم اجاره |
81/0 |
81/0 |
2/14 |
000/0 |
دارد |
||
|
عوارض پروانۀ شهرداری |
002/0- |
01/0- |
14/0- |
89/0 |
ندارد |
||
|
نوع سند (پایۀ ششدانگ) |
آستانه |
19/0- |
08/0- |
62/1- |
11/0 |
معنادار یکطرفه |
|
|
سرقفلی |
31/0- |
16/0- |
35/3- |
001/0 |
دارد |
||
|
متراژ |
004/0- |
04/0- |
86/0- |
39/0 |
ندارد |
||
|
سن بنا |
005/0 |
07/0 |
31/1 |
19/0 |
معنادار یکطرفه |
||
|
بر ملک |
11/0 |
03/0 |
62/0 |
54/0 |
ندارد |
||
|
موقعیت ملک (پایۀ خیابان اصلی) |
کوچه |
06/0- |
03/0- |
56/0- |
58/0 |
ندارد |
|
|
محل استقرار ملک (پایۀ بدون تراکم) |
پاساژ/مرکز خرید |
02/0 |
01/0 |
18/0 |
86/0 |
ندارد |
|
|
طبقۀ استقرار (پایۀ همکف) |
زیرزمین |
22/0- |
09/0- |
44/1- |
15/0 |
معنادار یکطرفه |
|
|
طبقۀ اول |
23/0- |
09/0- |
7/1- |
09/0 |
دارد |
||
|
طبقات بالاتر |
05/0- |
02/0- |
31/0- |
76/0 |
ندارد |
||
|
فاصله تا پارکینگ |
6/0- |
12/0- |
16/2- |
03/0 |
دارد |
||
|
فاصله تا ایستگاه اتوبوس |
56/0 |
12/0 |
06/2 |
04/0 |
دارد |
||
|
فاصله تا ایستگاه مترو |
15/0 |
07/0 |
13/1 |
26/0 |
ندارد |
||
|
فاصله تا راهآهن |
07/0- |
07/0- |
91/0 |
37/0 |
ندارد |
||
|
فاصله تا حرم مطهر |
27/0- |
15/0- |
06/2- |
04/0 |
دارد |
||
|
موقعیت در تقسیمات منطقهای (پایۀ قطاع 1) |
قطاع 2 |
08/0- |
02/0- |
39/0- |
7/0 |
ندارد |
|
|
قطاع 3 |
18/0 |
08/0 |
02/1 |
31/0 |
ندارد |
||
|
قطاع 4 |
54/0 |
28/0 |
68/2 |
01/0 |
دارد |
||
|
ثابت عرض از مبدأ |
04/4 |
- |
43/6 |
000/0 |
دارد |
||
|
خوبی برازش |
R2: 0.894 Std. Error of the Estimate: 0.35 |
||||||
(منبع: یافته های پژوهش)
نتایج بهدستآمده نشان میدهد اجارهبها یکی از مهمترین متغیرهای تأثیرگذار بر قیمت املاک است؛ زیرا هر دو متغیر اجاره و قیمت ملک به صورت لگاریتمی هستند و تفسیر آنها نیز به صورت درصدی است. بر این اساس، ضریب بهدستآمده برابر 81/0 به این معناست که افزایش دوبرابری یا 100درصدی اجاره، قیمت ملک را 81 درصد افزایش میدهد. این تأثیر هم از لحاظ اندازه و هم از لحاظ آماری بسیار مؤثر است. یکی دیگر از متغیرهای اقتصادی عوارض پروانۀ شهرداری بود که طبق بررسیهای انجامشده و مقدار p-value، میتوان گفت بر روی قیمت املاک تجاری منطقه تأثیری نداشته است. از دیگر متغیرهای اقتصادی در بررسی انجامشده، نوع سند ملک بود که با 2 متغیر مجازی اسناد آستانه و سرقفلی در مقابل سند ششدانگ به عنوان پایۀ مقایسه وارد مدل شدهاند. طبق نتایج بهدستآمده در جدول و مقدار p-value، میتوان گفت این متغیر بر قیمت املاک تجاری تأثیر دارد. مقدار p-value برای متغیر سند آستانه حدود 11/0 است؛ اما اگر از نظریه و شهود کمک بگیریم و انتظار داشته باشیم سند آستانه نسبت به سند ششدانگ ارزشی کمتر داشته باشد، میتوان از آزمونهای یکطرفه استفاده کرد که در این صورت، مقدار p-value نصف میشود و این متغیر معنادار خواهد بود. ضرایب بهدستآمده برابر 19/0- و 31/0- بهترتیب برای املاک با سند آستانه و سرقفلی نشان میدهند در مقایسه با املاک با سند ششدانگ، املاک با سند آستانه 19درصد و املاک سرقفلی 31 درصد ارزانتر هستند.
دستهای دیگر از عوامل مؤثر بر قیمت ملک عبارتاند از عوامل و مشخصههای فیزیکی و محیطی. متراژ ملک یکی از متغیرهای فیزیکی و محیطی است که طبق نتایج بهدستآمده در جدول و مقدار p-value، میتوان گفت تأثیری بر قیمت املاک ندارد. از آن نظر که متغیر وابستۀ قیمت ملک بهازای هر متر مربع است، عدم تاثیر متراژ منطقی است. در رابطه با متغیر قدمت و سن بنا نیز طبق نتایج بهدستآمده در جدول و مقدار p-value، میتوان گفت فقط با استفاده از نظریه و انجام آزمون یکطرفه بر قیمت املاک تأثیر دارد. در توجیه این تأثیرگذاری ضعیف، باید گفت اگرچه انتظار میرود سن بنا تأثیرگذاری بیشتری داشته باشد، اا گزارش نادرست سن بنا در آگهیهای فروش باعث شده است این اثر دیده نشود. در آگهیهای فروش، در بسیاری از موارد، بازسازی و نوسازی بهجای سن بنا گزارش شده است.
در رابطه با متغیر تعداد بر ملک نیز طبق نتایج بهدستآمده در جدول و مقدار p-value، میتوان گفت تأثیری بر قیمت املاک تجاری ندارد. این نتیجه شاید به این دلیل باشد که تعدادی کم از املاک تحت بررسی در نمونه بیش از یک بر داشتهاند و به همین دلیل، امکان برآورد تأثیر آن وجود نداشته است. موقعیت ملک نیز یکی دیگر از عوامل و مشخصههای فیزیکی و محیطی است که با یک متغیر مجازی صفر (خیابان اصلی) و 1 (فرعی و کوچه) وارد مدل شده است. طبق نتایج بهدستآمده در جدول و مقدار p-value، میتوان گفت این متغیر تأثیری بر قیمت املاک تجاری ندارد. محل استقرار ملک با یک متغیر مجازی صفر (بدون تراکم) و 1 (پاساژ و مرکز خرید) وارد مدل شد و طبق نتایج بهدستآمده در جدول و مقدار p-value، میتوان گفت این متغیر نیز تأثیری بر قیمت املاک تجاری ندارد. در مقابل، طبقۀ استقرار در مراکز خرید به نظر بسیار تأثیرگذار است. طبقۀ استقرار ملک با 3 متغیر مجازی زیرزمین، طبقۀ اول و طبقات بالاتر در مقابل طبقۀ همکف به عنوان پایۀ مقایسه وارد مدل شد. طبق نتایج بهدستآمده در جدول و مقدار p-value، میتوان گفت این متغیر در قیمت املاک تجاری تأثیر دارد. ضریب بهدستآمده برای زیرزمین به طور کامل معنادار و برای طبقۀ اول در صورت انجام آزمون یکطرفه معنادار است. ضرایب بهدستآمده برابر 22/0- و 23/0- برای زیرزمین و طبقۀ اول به این معنا هستند که قیمت املاک واقع در این طبقات بهنسبت طبقۀ همکف حدود 22 و 23 درصد کمتر و ارزانتر است.
دستهای دیگر از متغیرها و عوامل تأثیرگذار عوامل محیطی و دسترسی هستند. یکی از عوامل و متغیرهای نشاندهندۀ دسترسی عبارت است از نزدیکی به پارکینگ که طبق نتایج بهدستآمده در جدول و مقدار p-value، میتوان گفت بر قیمت ملک تأثیر دارد. ضریب بهدستآمده برابر 6/0- به این معنا است که هر 100 متر فاصله تا پارکینگ به میزان 6 درصد قیمت ملک را کاهش میدهد. فاصله تا ایستگاه اتوبوس تأثیری مثبت و معنادار بر قیمت ملک دارد. این نتیجه نشان میدهد نزدیکی به ایستگاه اتوبوس برخلاف انتظار و احتمالاً به دلیل شلوغی و ازدحام، بر قیمت ملک تأثیر منفی دارد. نزدیکی به مترو نیز یکی از شاخصههای دسترسی ملک است. طبق نتایج بهدستآمده در جدول و مقدار p-value، میتوان گفت فاصله تا ایستگاه مترو بر قیمت املاک تجاری تأثیری ندارد. فاصله تا مراکز مسافربری برونشهری نیز در مدل با لحاظ فاصله تا راهآهن بررسی شد. طبق نتایج بهدستآمده در جدول و مقدار p-value، میتوان گفت فاصله تا راهآهن بر قیمت املاک تجاری منطقه تأثیری ندارد.
اما یکی از مهمترین متغیرها فاصله تا حرم مطهر است که از لحاظ دسترسی اهمیت بسیار زیادی دارد. املاک نزدیک به حرم مطهر معمولاً با جریان زائران بیشتری روبهرو هستند که این امر باعث میشود درآمد بیشتری کسب کنند و اجاره و قیمت بیشتری داشته باشند. طبق نتایج بهدستآمده در جدول و مقدار p-value، میتوان گفت فاصله تا حرم مطهر بر قیمت ملک تأثیر دارد. ضریب بهدستآمده برابر 27/0- به این معنا است که افزایش 1کیلومتری فاصله تا حرم مطهر امام رضا (ع) قیمت ملک را تا 27 درصد کاهش میدهد. یا به عبارتی دیگر، هر 100 متر فاصله تا پارکینگ به میزان 7/2 درصد قیمت ملک را کاهش میدهد. موقعیت ملک در تقسیمات منطقه نیز اهمیت دارد. موقعیت ملک در تقسیمات منطقه با 3 متغیر مجازی قطاع 2، قطاع 3 و قطاع 4 در مقابل قطاع 1 به عنوان پایۀ مقایسه وارد مدل شده است. طبق نتایج بهدستآمده در جدول و مقدار p-value، میتوان گفت این متغیر بر قیمت املاک تجاری تأثیر دارد. ضریب بهدستآمده برابر 54/0 برای قطاع 4 به این معنا است که قیمت املاک واقع در این قطاع به نسبت قطاع 1 حدود 54 درصد گرانتر است.
در مرور انجامشده در قسمت قبلی مشخص شد چه متغیرهایی بر قیمت املاک تأثیرگذار هستند؛ اما از آنجا که این متغیرها واحدهای اندازهگیری متفاوتی دارند، نمیتوان ضرایب آنها را مقایسه و مؤثرترین آنها را شناسایی کرد؛ با وجود این، میتوان واحد اندازهگیری را استاندارد و آن را برحسب انحراف معیار بیان کرد که در این صورت، امکان مقایسۀ ضرایب بین متغیرها وجود دارد. ضرایب استاندارد در ستون دوم جدول (2) ارائه شدهاند. از میان متغیرهای تاثیرگذار که پیش از این به تفکیک بررسی شدهاند، متغیرهایی که ضریب استانداردشدۀ بیشتری داشته باشند، از تأثیرگذاری بیشتری نیز برخوردار هستند. بر این اساس، جدول (4) متغیرهای تأثیرگذار بر قیمت املاک تجاری در منطقۀ ثامن مشهد را بهترتیب تأثیرگذارترینها نمایش میدهد.
جدول 4- رتبۀ تأثیرگذاری متغیرها بر قیمت املاک تجاری منطقۀ ثامن شهر مشهد
|
عنوان متغیر |
نوع متغیر |
رتبۀ تأثیرگذاری |
ضریب استاندارد |
|
لگاریتم اجاره |
اقتصادی |
1 |
81/0 |
|
قطاع 4 |
محیطی |
2 |
28/0 |
|
سرقفلی |
اقتصادی |
3 |
16/0- |
|
فاصله تا حرم مطهر |
محیطی |
4 |
15/0- |
|
فاصله تا پارکینگ |
محیطی |
5 |
12/0- |
|
فاصله تا ایستگاه اتوبوس |
محیطی |
6 |
12/0 |
|
زیرزمین |
فیزیکی |
7 |
09/0- |
|
طبقۀ اول |
فیزیکی |
8 |
09/0- |
|
آستانه |
اقتصادی |
9 |
08/0- |
(منبع: یافتههای پژوهش)
بر این اساس، میتوان دریافت مهمترین متغیرهای تأثیرگذار بر قیمت املاک تجاری در وهلۀ نخست متغیرهای اقتصادی یعنی اجاره و نوع سند هستند. در مرتبة دوم، متغیرهای محیطی و دسترسی قرار دارند. از نتایج جدول (4)، میتوان دید متغیرهای قرارگیری در قطاع 4 در منطقۀ ثامن، نزدیکی به حرم مطهر و برخورداری یا نزدیکی به پارکینگ بسیار تأثیرگذار هستند. در نهایت، عوامل فیزیکی و محیطی ملک قرار دارند که بر قیمت آن مؤثر هستند که از جملۀ مهمترین آنها میتوان به طبقۀ استقرار در مراکز خرید اشاره کرد.
این مقاله به دنبال پاسخ به این پرسش اصلی بود که چه متغیرهایی بر قیمت املاک تجاری تأثیر دارند. برای پاسخ به این پرسش، در کنار عوامل اقتصادی تأثیرگذار، از یک مدل هدانیک بهره گرفته شد و به این ترتیب، مجموعهای از عوامل اقتصادی، فیزیکی و محیطی بررسی شدند. مورد مطالعه نیز منطقۀ ثامن شهر مشهد انتخاب شد که به دلیل قراگیری حرم مطهر و حجم انبوه زائر از یک سو و داشتن بافت فرسوده و حاشیهنشینی از سوی دیگر، از شرایطی ویژه برخوردار است و قیمت املاک تجاری در آن پراکندگی زیادی دارد و به ما امکان میدهد تا تأثیر عوامل مختلف را شناسایی کنیم. نمونهای از 161 ملک تجاری در این منطقه به صورت تصادفی با گردآوری اطلاعات از دفاتر املاک برای تابستان سال 1402 انتخاب شد که با استفاده از تحلیل رگرسیون حداقل مربعات معمولی (OLS) ارزیابی شدند.
از میان متغیرهای فیزیکی، متغیرهای متراژ، سن بنا و بر ملک بررسی شدند که فقط متغیر سن بنا به صورت آزمون یکطرفه معنادار بود. در ادبیات موضوع و مطالعات دیگر، به طور معمول متغیر متراژ نیز مؤثر است و عدم معناداری متراژ در این مطالعه به این دلیل است که قیمت ملک به واحد متر مربع اندازهگیری شده بود.
از میان مشخصههای محیطی و دسترسی نیز متغیرهایی مختلف بررسی شدند. طبقۀ استقرار دارای اثرگذاری معناداری بود. طبق نتایج بهدستآمده، املاک تجاری واقع در زیرزمین و طبقۀ اول نسبت به طبقۀ همکف حدود 22 و 23 درصد قیمتی کمتر دارند. دستۀ دیگر از متغیرهای محیطی تحت بررسی مشخصههای دسترسی بودند. در این مقاله، متغیرهای فاصله تا پارکینگ، فاصله تا ایستگاه اتوبوس، فاصله تا مترو، فاصله تا راهآهن، فاصله تا حرم مطهر و موقعیت ملک در تقسیمات منطقهای بررسی شدند که از آن میان، مشخص شد موقعیت ملک در تقسیمات منطقهای، فاصله تا حرم مطهر و برخورداری یا نزدیکی به پارکینگ بسیار تأثیرگذار هستند. طبق نتایج بهدستآمده، قیمت املاک واقع در قطاع 4 بهنسبت قطاع 1 حدود 57 درصد گرانتر است. همچنین، نتایج نشان داد هرچه فاصله تا حرم کمتر باشد، قیمت املاک بیشتر میشود یا به عبارتی، افزایش 1کیلومتری فاصله تا حرم مطهر امام رضا (ع) قیمت ملک تجاری را تا 27 درصد کاهش میدهد. رابطهای معکوس بین فاصله تا پارکینگ و قیمت ملک نیز وجود دارد؛ به این صورت که هر 100 متر فاصله تا پارکینگ به میزان 6 درصد قیمت ملک را کاهش میدهد. این نتایج تا حدی زیاد با ادبیات موضوع منطبق است و بیان میکند نزدیکی به مراکز اصلی موجب افزایش قیمت املاک و مستغلات میشود.
اما جدا از متغیرهای فیزیکی و محیطی، نتایج بهدستآمده نشان داد متغیرهای اقتصادی مهمترین عوامل تعیینکنندۀ قیمت املاک هستند. اجارهبها به عنوان اصلیترین و اثرگذارترین متغیر بر قیمت ملک شناسایی شد. نتایج نشان داد افزایش دوبرابری یا 100درصدی اجاره ممکن است قیمت ملک را 81 درصد افزایش دهد. این تأثیر هم از لحاظ اندازه و هم از لحاظ آماری بسیار تأثیر بزرگی است و نشان میدهد اجارهبها مهمترین متغیر تأثیرگذار در قیمت ملک است. از دیگر متغیرهای اقتصادی اثرگذار نوع سند بود. طبق نتایج بهدستآمده و در مقایسه با املاک با سند ششدانگ، املاک با سند آستانه 19 درصد و املاک سرقفلی 31 درصد ارزانتر هستند. مطالعۀ این دسته از متغیرها یکی از نوآوریهای این مقاله بود که در ادبیات موضوع و مطالعات داخلی کمتر در تابع هدانیک قیمت مسکن وارد شده بودند؛ با وجود این، نتیجۀ بهدستآمده مبنی بر اثرگذاری این دسته از متغیرها با نتایج معدود مطالعاتی که این عوامل را مورد توجه قرار دادهاند، منطبق است.
به این ترتیب، در این مقاله بهترتیب عوامل اقتصادی از جمله اجارهبها و نوع سند، عوامل محیطی و دسترسی از جمله قرارگیری در قطاع 4، نزدیکی به حرم مطهر رضوی و برخورداری از پارکینگ و در نهایت، عوامل و مشخصههای فیزیکی از جمله طبقۀ استقرار در مراکز خرید به عنوان مهمترین متغیرها و عوامل تأثیرگذار بر قیمت املاک تجاری در منطقۀ ثامن مشهد شناسایی شدند. از نتایج این پژوهش میتووان به طور مشخص در ارتباط با تأثیر متغیرهای محیطی و دسترسی در برنامهریزیهای شهری و سیاستگذاریها استفاده کرد. برای مثال، مشاهده شد املاک واقع در قطاع 1، 2 و 3 به دلیل محرومیتهای مختلف قیمتی کمتر در مقایسه با قطاع 4 دارند و شهرداری مشهد بهتر است در برنامهریزی شهری و مشخصکردن مکان ایستگاههای اتوبوس و مترو یا ایجاد پارکینگهای عمومی به تأثیر این امکانات بر املاک آن محدوده توجه داشته باشد. یا در رابطه با اسناد آستانه و قیمت کمتر آنها در مقایسه با اسناد ششدانگ، این تأثیر ممکن است مورد توجه آستان قدس رضوی قرار گیرد.
این پژوهش به طور کلی نشان داد متغیرهای اقتصادی اثرگذاری زیادی بر قیمت املاک تجاری دارند؛ اما به دلیل محدودیتهای داده و آمار، معمولاً اطلاعاتی اندک دربارۀ متغیرهای اقتصادی در سطح خرد مربوط به املاک در دسترس است. برای مثال، در این پژوهش به علت نبودن دادههای املاک تجاری مربوط به سالهای قبل، فقط اجارهبهای املاک برای تعیین عوامل اثرگذار به کار گرفته شد. همچنین، به منظور برآورد دقیقتر، در پژوهشهای آتی میتوان عوامل اثرگذار بر قیمت املاک تجاری را با روش هایی دیگر از جمله مدلهای فضایی به دست آورد و سپس، نتیجۀ روشها را با یکدیگر مقایسه کرد. همچنین، عواملی دیگر نیز بر قیمت املاک تأثیرگذار هستند، از جمله عوامل اجتماعی و فرهنگی که پژوهشگران میتوانند آنها را در کنار عوامل محیطی و فیزیکی بررسی کنند.
[i] Hedanic
[ii] Ordinary Least Squares
[iii] Decision-Making Trial and Evaluation Laboratory
[iv] Stepwise Weight Assessment Ratio Analysis
[v] Best-Worst Multi-Criteria
[vi] Thanh & Nguyen
[vii] Hue
[viii] Valdez & Chen
[ix] Ecuador
[x] Zhu
[xi] Ripple effect
[xii] Khoshnoud
[xiii] Difference-in-Difference
[xiv] Quantile regression
[xv] Fan & Yavas
[xvi] Wavelet technology
[xvii] Wei
[xviii] Big data
[xix] Geographic Information System
[xx] Duan
[xxi] Zakaria & Fatine
[xxii] Liu & Wu
[xxiii] Xiao
[xxiv] Belke & Keil
[xxv] Ozlap & Akinci
[xxvi] Artvin
[xxvii] Ligus & Peternek
[xxviii] Wrocław
[xxix] Robinson & Reichert
[xxx] Matching
[xxxi] Commercial Real State Information Company
[xxxii] Farooq
[xxxiii] Torento
[xxxiv] Vacancy rate
[xxxv]بر اساس اطلاعات اتحادیۀ مشاوران املاک در این منطقه، به طور کلی 75 کارشناس املاک فعالیت داشتهاند.
[xxxvi] Linear Regression
[xxxvii] Sum of Squares of Errors
[xxxviii] Best Linear Unibiased Estimator
[xxxix] Breush-Pagan Heteroskedasticity test
[xl] Durbin-Watson
[xli] Bruesh-Godfrey Serial Correlation test
[xlii] Variance Inflation Factor
)